磁隧道结构实现的概率性深度脉冲神经系统
摘要：深度脉冲神经网络在认知计算平台中变得越来越强大。然而，大部分现有有关这种计算模型的文献对底层硬件实现的洞察力有限，导致设计面积和功耗昂贵。尽管最近提出了几种模拟神经操作的神经模拟器设备，但它们的功能仅限于非常简单的神经模型，在复杂的识别任务上可能效率低下。在这项工作中，我们探索了利用这种神经模拟器设备固有的随机性，在时间域内以概率框架建模复杂神经功能的相对未开发领域。我们考虑实现一个深度脉冲神经网络，能够执行高准确性和低延迟的分类任务，其中神经计算单元通过磁隧道结的随机切换行为而具备能力。仿真研究表明，在45纳米技术下，与基线CMOS设计相比，能源改进幅度为20倍。
作者：Abhronil Sengupta, Maryam Parsa, Bing Han, Kaushik Roy
论文ID：1605.04494
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2016-08-24